一、作用

建立一個新的Tensor，該Tensor的type和device都和原有Tensor一致，且無內容。

二、使用方法

如果隨機定義一個大小的Tensor，則新的Tensor有兩種建立方法，如下：

inputs = torch.randn(m,n)
 
new_inputs = inputs.new()
new_inputs = torch.Tensor.new(inputs)

三、具體程式碼

import torch
 
rectangle_height = 1
rectangle_width = 4
inputs = torch.randn(rectangle_height,rectangle_width)
for i in range(rectangle_height):
  for j in range(rectangle_width):
    inputs[i][j] = (i + 1) * (j + 1)
print("inputs:",inputs)
new_inputs = inputs.new()
print("new_inputs:",new_inputs)
# Constructs a new tensor of the same data type as self tensor.
print(new_inputs.type(),inputs.type())
print('')
 
inputs = inputs.squeeze(dim=0)
print("inputs:",inputs)
# new_inputs = inputs.new()
new_inputs = torch.Tensor.new(inputs)
print("new_inputs:",inputs.type())
if torch.cuda.is_available():
  device = torch.device("cuda")
  inputs,new_inputs = inputs.to(device),new_inputs.to(device)
  print(inputs.device,new_inputs.device)

結果如下：

可以看到不論inputs是多少維的，新建的new_inputs的type和device都與inputs保持一致

inputs: tensor([[1.,2.,3.,4.]])
new_inputs: tensor([])
torch.FloatTensor torch.FloatTensor
 
inputs: tensor([1.,4.])
new_inputs: tensor([])
torch.FloatTensor torch.FloatTensor
cuda:0 cuda:0

四、實際應用（新增噪聲）

可以對Tensor新增噪聲，新增如下程式碼即可實現：

noise = inputs.data.new(inputs.size()).normal_(0,0.01)
print(noise)

結果如下：

tensor([ 0.0062,0.0137,-0.0209,0.0072],device='cuda:0')

以上這篇Pytorch中.new()的作用詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。